Hoe AI de productie en bewerking revolusionceert: inzichten van Matt Danford

Matt Danford, senior editor bij Modern Machine Shop en schrijver van de kolom „Data Matters”, sprak met mij over een mogelijke rol voor kunstmatige intelligentie (AI) in machinewerkplaatsen. Hij ziet een pad van machine monitoring naar machine learning. Tegenwoordig verzamelen bewerkingsbedrijven data van CNC's via machine monitoring systemen. Een logische volgende stap is machine learning te gebruiken om kansen voor procesverbetering in die data te ontdekken. Hier is een video van ons gesprek, met transcriptie eronder. Download ook een verzameling artikelen uit Modern Machine Shop en Additive Manufacturing over de intersectie van AI en productie.

Transcriptie

Peter Zelinski, Modern Machine Shop

Pete Zelinski hier met Modern Machine Shop magazine. Ik ben hier met Senior Editor Matt Danford. Matt, dank voor het praten.

Matt Danford, Modern Machine Shop

Mijn plezier.

Peter Zelinski

Matt dekt een beat voor Modern Machine Shop. Hij schrijft over digitale technologie, waaronder technologie die in veel gevallen nog niet „klaar” is voor productie, maar aankomt. Hij doet dat in zijn maandelijkse kolom „Data Matters”. En wat ik vandaag met je wil bespreken is wat je ziet over de rol die AI kan hebben voor bewerkingsfaciliteiten.

Matt Danford

Er is zeker veel buzz darüber. De meeste lezers die we bezoeken, zien het als ver weg. Voor nu zijn ze meer geïnteresseerd in machine monitoring dan in machine learning. Of ze het nu beseffen of niet, machine monitoring is eigenlijk de eerste stap, omdat de echte belofte van machine learning – een subset van AI – data-analyse is, tenminste voor onze lezers. Machine monitoring systemen, shop management en ERP-systemen leveren de rauwe data die je nodig hebt voor die analyse. Het is dus een eerste stap, of ze het nu beseffen of niet, naar capaciteiten die nog moeten komen.

Peter Zelinski

Okay, laten we erin duiken. Machine monitoring – dat is de stap die nu aanwezig is. Wat bedoel je daar precies mee?

Matt Danford

Eenvoudig gezegd: data opvragen direct vanaf de besturing of van sensoren op verschillende componenten van de werktuigmachine. Dit kan gebruikt worden voor preventief onderhoud. De meest voorkomende toepassingen die we zien, zijn het opvragen van CNC-data om te zien hoe de machines presteren.

Peter Zelinski

Klopt. We lopen in werkplaatsen en zien steeds meer monitor displays met taartdiagrammen of groene/rode/gele weergaven. Wat is er nodig om machine monitoring goed te doen?

Matt Danford

De meeste experts en werkplaatsen waar ik met heb gesproken, benadrukken geduld. Verwacht niet alles tegelijk. Begin langzaam. Iemand die ik recent bezocht, begonnen met basis „wat draait wanneer”. En dat is niet alleen op managementniveau. Ze hadden via integratie met het ERP-systeem een pacing-balk aan elke werkstation geïnstalleerd, zodat operators en instellers konden zien waar ze stonden. „Dit is hoeveel onderdelen ik nu al had moeten produceren.” Het helpt iedereen een gevoel te krijgen voor de voortgang, beginnend met dat basisonderdeel. Dingen als definities op één lijn brengen. Wat betekent het dat een machine „in cyclus” is? Tel je toolwissels mee in die tijd? Je moet echt een greep krijgen op zaken als die, want als je het uitrolt zonder die basis, worden mensen gedesillusioneerd en krijg je niet de resultaten die je zoekt.

Peter Zelinski

Waarom is dit waardevol? We zijn nog bij machine monitoring. Waarom is machine monitoring zo waardevol?

Matt Danford

Allereerst om een gevoel te krijgen waar je staat. Ik heb veel experts horen zeggen dat ze in werkplaatsen komen, deze systemen installeren en de winkels geschokt zijn dat ze niet zo goed presteren als ze dachten. Je moet die realiteit confronteren. Het gaat om waarheid. Je kunt niet twijfelen aan data van een CNC. Er is geen „fat fingering”. Er is geen vertraging tussen het moment dat het gebeurt en wanneer de informatie in een shop management systeem wordt ingevoerd. Het gaat erom je eigen biases te elimineren en je in staat te stellen om je prestaties in de realiteit te bekijken en daar beslissens op te baseren.

Peter Zelinski

Je sprak over dit pad van machine monitoring naar machine learning. Wat is machine learning? En vertel over dat pad.

Matt Danford

Machine learning is een subset van AI. De definitie zit in de term „leren”. In tegenstelling tot een traditioneel computerprogramma dat alleen doet wat je het programmeert te doen, verbeteren machine learning algoritmen met de tijd vanzelf. Het klassieke voorbeeld is een beeldherkenningssysteem. Naarmate je het meer afbeeldingen van, zeg, honden en katten voedt, wordt het beter in het onderscheiden wat een hond is en wat een kat. Toegepast op onze sector van machinewerkplaatsen is de echte belofte weer data-analyse. Ze zullen door de rauwe data van machine monitoring systemen, shop management systemen, etc. kunnen pluizen en patronen en correlaties vinden die voor een mens onzichtbaar of onmogelijk te detecteren zijn, en die zeker veel tijd en moete zouden kosten om anders te ontdekken.

Peter Zelinski

… anticiperend op het moment dat er voldoende data uit deze machine monitoring systemen komt, zodat het te veel data is om dagelijks te gebruiken en potentiële goede intelligentie maskert die er te vinden is.

Matt Danford

Absoluut. En we weten niet wat er komt. We weten niet welke capaciteiten. Ik heb met ERP-leveraars gesproken die met machine learning werken, maar veel is nog vooruitkijkend. Maar we weten dat het komt. Het beste wat je nu kunt doen is deze systemen draaiend krijgen en je shop management in de 21e eeuw brengen.

Peter Zelinski

Matt, wat is je gevoel over hoe dichtbij dit is? Hoe dicht zijn we bij AI in de vorm van machine learning, als een industrieel hulpmiddel, als iets dat we in productie gebruiken?

Matt Danford

Dat is moeilijk te zeggen. Alles is heel vooruitkijkend. Er is veel hype, gerechtvaardigde hype, want het gaat een grote impact maken. Maar als je er op een manier naar kijkt, de mate waarin fabrikanten Google gebruiken, dat is al een industrieel hulpmiddel. En Google gebruikt al AI in zoekresultaten en niemand praat er echt over. Er was geen grote aankondiging „Hey, we hebben AI-gedreven zoekopdrachten”. En ik denk dat het zo kan komen. Deze dingen gaan gewoon in je software verschijnen. En ideaal draait AI op de achtergrond. Het hele idee is om mentale taken te automatiseren. Als je er aandacht aan moet besteden en het actief moet managen, dan doet het waarschijnlijk niet wat het moet doen. Dus ik denk dat het zo zal zijn. Deze dingen gaan gewoon verschijnen, en we gaan het gebruiken zonder echt te beseffen dat dat wat we doen.